Vorbereiten der Eingabedaten für Batch-Empfehlungen - Amazon Personalize
Beispiele für die Eingabe und Ausgabe JSON von Batch-Inferenzjobs

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Vorbereiten der Eingabedaten für Batch-Empfehlungen

Ein Batch-Inferenzjob importiert Ihre JSON Batch-Eingabedaten aus einem Amazon S3 S3-Bucket, verwendet Ihre benutzerdefinierte Lösungsversion, um Empfehlungen zu generieren, und exportiert dann die Artikelempfehlungen in einen Amazon S3 S3-Bucket. Bevor Sie Batch-Empfehlungen erhalten können, müssen Sie Ihre JSON Datei vorbereiten und in einen Amazon S3 S3-Bucket hochladen. Wir empfehlen Ihnen, einen Ausgabeordner in Ihrem Amazon S3 S3-Bucket zu erstellen oder einen separaten Amazon S3-Ausgabe-Bucket zu verwenden. Anschließend können Sie mehrere Batch-Inferenzjobs unter Verwendung desselben Speicherorts für die Eingabedaten ausführen.

Wenn Sie einen Filter mit Platzhalterparametern verwenden, müssen Sie z. $GENRE B. die Werte für die Parameter in einem filterValues Objekt in Ihrer Eingabe angeben. JSON Weitere Informationen finden Sie unter Bereitstellung von Filterwerten in Ihrer Eingabe JSON.

Um Daten vorzubereiten und zu importieren

  1. Formatieren Sie Ihre Batch-Eingabedaten je nach Rezept. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten.

    • Für USER _ PERSONALIZATION recipes und das Popularity-Count-Rezept sind Ihre Eingabedaten eine JSON Datei mit einer Liste von userIds

    • Für RELATED _ ITEMS recipes sind Ihre Eingabedaten eine Liste von itemIds

    • Für PERSONALIZED _ RANKING Rezepte sind Ihre Eingabedaten eine Liste vonuserIds, jeweils gepaart mit einer Sammlung von itemIds

    Trennen Sie jede Zeile durch eine neue Zeile. Beispiele für Eingabedaten finden Sie unterBeispiele für die Eingabe und Ausgabe JSON von Batch-Inferenzjobs.

  2. Laden Sie Ihre Eingabe in JSON einen Eingabeordner in Ihrem Amazon S3 S3-Bucket hoch. Weitere Informationen finden Sie unter Hochladen von Dateien und Ordnern mithilfe von Drag & Drop im Amazon Simple Storage Service-Benutzerhandbuch

  3. Erstellen Sie einen separaten Speicherort für Ihre Ausgabedaten, entweder einen Ordner oder einen anderen Amazon S3 S3-Bucket. Indem Sie einen separaten Speicherort für die Ausgabe erstellenJSON, können Sie mehrere Batch-Inferenzjobs mit demselben Speicherort für die Eingabedaten ausführen.

  4. Erstellen Sie einen Batch-Inferenzjob. Amazon Personalize gibt die Empfehlungen aus Ihrer Lösungsversion an Ihren Ausgabedatenort aus.

Beispiele für die Eingabe und Ausgabe JSON von Batch-Inferenzjobs

Wie Sie Ihre Eingabedaten formatieren, das Rezept, das Sie verwenden. Wenn Sie einen Filter mit Platzhalterparametern verwenden, wie z. B.$GENRE, müssen Sie die Werte für die Parameter in einem filterValues Objekt in Ihrer Eingabe JSON angeben. Weitere Informationen finden Sie unter Bereitstellung von Filterwerten in Ihrer Eingabe JSON.

In den folgenden Abschnitten werden korrekt formatierte JSON Eingabe- und Ausgabebeispiele für Batch-Inferenzjobs aufgeführt. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten.

USER_ Rezepte PERSONALIZATION

Im Folgenden werden korrekt formatierte JSON Eingabe- und Ausgabebeispiele für die USER _ PERSONALIZATION -Rezepte gezeigt. Wenn Sie User-Personalization-v2 verwenden, enthält jeder empfohlene Artikel eine Liste mit Gründen, warum der Artikel in Empfehlungen aufgenommen wurde. Diese Liste kann leer sein. Informationen zu möglichen Gründen finden Sie unterGründe für Empfehlungen mit 2 User-Personalization-v.

Input

Trennen Sie jede userId Zeile wie folgt durch eine neue Zeile.

{"userId": "4638"}
{"userId": "663"}
{"userId": "3384"}
...
Output
{"input":{"userId":"4638"},"output":{"recommendedItems":["63992","115149","110102","148626","148888","31685","102445","69526","92535","143355","62374","7451","56171","122882","66097","91542","142488","139385","40583","71530","39292","111360","34048","47099","135137"],"scores":[0.0152238,0.0069081,0.0068222,0.006394,0.0059746,0.0055851,0.0049357,0.0044644,0.0042968,0.004015,0.0038805,0.0037476,0.0036563,0.0036178,0.00341,0.0033467,0.0033258,0.0032454,0.0032076,0.0031996,0.0029558,0.0029021,0.0029007,0.0028837,0.0028316]},"error":null}
{"input":{"userId":"663"},"output":{"recommendedItems":["368","377","25","780","1610","648","1270","6","165","1196","1097","300","1183","608","104","474","736","293","141","2987","1265","2716","223","733","2028"],"scores":[0.0406197,0.0372557,0.0254077,0.0151975,0.014991,0.0127175,0.0124547,0.0116712,0.0091098,0.0085492,0.0079035,0.0078995,0.0075598,0.0074876,0.0072006,0.0071775,0.0068923,0.0066552,0.0066232,0.0062504,0.0062386,0.0061121,0.0060942,0.0060781,0.0059263]},"error":null}
{"input":{"userId":"3384"},"output":{"recommendedItems":["597","21","223","2144","208","2424","594","595","920","104","520","367","2081","39","1035","2054","160","1370","48","1092","158","2671","500","474","1907"],"scores":[0.0241061,0.0119394,0.0118012,0.010662,0.0086972,0.0079428,0.0073218,0.0071438,0.0069602,0.0056961,0.0055999,0.005577,0.0054387,0.0051787,0.0051412,0.0050493,0.0047126,0.0045393,0.0042159,0.0042098,0.004205,0.0042029,0.0040778,0.0038897,0.0038809]},"error":null}
...

Im Folgenden finden Sie korrekt formatierte JSON Eingabe- und Ausgabebeispiele für das Popularity-Count-Rezept. Mit dem Trending-Now-Rezept können Sie keine Batch-Empfehlungen erhalten.

Input

Trennen Sie jedes userId Objekt wie folgt durch eine neue Zeile.

{"userId": "12"}
{"userId": "105"}
{"userId": "41"}
...
Output
{"input": {"userId": "12"}, "output": {"recommendedItems": ["105", "106", "441"]}}
{"input": {"userId": "105"}, "output": {"recommendedItems": ["105", "106", "441"]}}
{"input": {"userId": "41"}, "output": {"recommendedItems": ["105", "106", "441"]}}
...

PERSONALIZED_ RANKING Rezepte

Im Folgenden werden korrekt formatierte JSON Eingabe- und Ausgabebeispiele für PERSONALIZED _ RANKING Rezepte gezeigt.

Input

Trennen Sie jedes Objekt userId und die Liste der itemIds zu bewertenden Objekte durch eine neue Zeile wie folgt.

{"userId": "891", "itemList": ["27", "886", "101"]}
{"userId": "445", "itemList": ["527", "55", "901"]}
{"userId": "71", "itemList": ["27", "351", "101"]}
...
Output
{"input":{"userId":"891","itemList":["27","886","101"]},"output":{"recommendedItems":["27","101","886"],"scores":[0.48421,0.28133,0.23446]}}
{"input":{"userId":"445","itemList":["527","55","901"]},"output":{"recommendedItems":["901","527","55"],"scores":[0.46972,0.31011,0.22017]}}
{"input":{"userId":"71","itemList":["29","351","199"]},"output":{"recommendedItems":["351","29","199"],"scores":[0.68937,0.24829,0.06232]}}
...

Im Folgenden werden korrekt formatierte JSON Eingabe- und Ausgabebeispiele für RELATED _ ITEMS Rezepte gezeigt.

Input

Trennen Sie sie itemId jeweils durch eine neue Zeile wie folgt.

{"itemId": "105"}
{"itemId": "106"}
{"itemId": "441"}
...
Output
{"input": {"itemId": "105"}, "output": {"recommendedItems": ["106", "107", "49"]}}
{"input": {"itemId": "106"}, "output": {"recommendedItems": ["105", "107", "49"]}}
{"input": {"itemId": "441"}, "output": {"recommendedItems": ["2", "442", "435"]}}
...

Im Folgenden finden Sie korrekt formatierte JSON Eingabe- und Ausgabebeispiele für das Rezept Similar-Items mit Themen.

Input

Trennen Sie jedes wie itemId folgt durch eine neue Zeile.

{"itemId": "40"}
{"itemId": "43"}
...
Output
{"input":{"itemId":"40"},"output":{"recommendedItems":["36","50","44","22","21","29","3","1","2","39"],"theme":"Movies with a strong female lead","itemsThemeRelevanceScores":[0.19994527,0.183059963,0.17478035,0.1618133,0.1574806,0.15468733,0.1499242,0.14353688,0.13531424,0.10291852]}}
{"input":{"itemId":"43"},"output":{"recommendedItems":["50","21","36","3","17","2","39","1","10","5"],"theme":"The best movies of 1995","itemsThemeRelevanceScores":[0.184988,0.1795761,0.11143453,0.0989443,0.08258403,0.07952615,0.07115086,0.0621634,-0.138913,-0.188913]}}
...